基于機(jī)器視覺(jué)的蔬菜外部品質(zhì)的檢測(cè)方法研究

賈楠 趙娜

摘要：據(jù)國(guó)際物質(zhì)糧農(nóng)組織1990年統(tǒng)計(jì)，人體必需的VC的90%、VA的60%來(lái)自蔬菜。此外，蔬菜中還有多種多樣的植物化學(xué)物質(zhì)，是人們公認(rèn)的對(duì)健康有效的成分，隨著現(xiàn)代技術(shù)的迅速發(fā)展，為蔬菜產(chǎn)品品質(zhì)的無(wú)損檢測(cè)提供了很多新的方法和手段，機(jī)器視覺(jué)技術(shù)在蔬菜品質(zhì)檢測(cè)中的應(yīng)用已在國(guó)內(nèi)外被廣泛地開(kāi)展，農(nóng)產(chǎn)品檢測(cè)技術(shù)方面在機(jī)器視覺(jué)上的應(yīng)用也愈來(lái)愈多。與此同時(shí)，機(jī)器視覺(jué)技術(shù)在蔬菜中品質(zhì)檢測(cè)領(lǐng)域的應(yīng)用前景正在變得越來(lái)越廣闊。本文主要研究的就是通過(guò)機(jī)器視覺(jué)來(lái)研究蔬菜外部品質(zhì)，以此來(lái)實(shí)現(xiàn)對(duì)水果品質(zhì)的檢測(cè)和數(shù)據(jù)的記錄。

關(guān)鍵詞：蔬菜；外部品質(zhì)；機(jī)器視覺(jué)；高光譜圖像

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）10-0155-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Study on the External Quality of Vegetables Based on Machine Vision

JIA Nan， ZHAO Na*

（Tianjin Agricultural University， Tianjin 300384， China）

Abstract：According to the 1990 statistics of the International Food and Agriculture Organization （FAO）， 60% of the Vitamin A and the 90% of Vitamin C essential to human body comes from vegetables. In addition， there are a variety of plant chemicals in vegetables， which are recognized as healthy and effective ingredients. With the rapid development of modern technology， many new methods and means have been provided for non-destructive testing of vegetable product quality. The application of machine vision technology in vegetable quality detection has been widely carried out at home and abroad， and the application of agricultural product detection technology in machine vision is more and more. At the same time， the application prospect of machine vision technology in vegetable quality detection field is becoming more and more broad. This paper mainly studies the external quality of vegetables through machine vision， so as to achieve the detection of fruit quality and record of data.

Keywords： vegetable；external；quality machine vision；hyperspectral image

1 概述

農(nóng)產(chǎn)品檢測(cè)技術(shù)一直以來(lái)都是農(nóng)業(yè)領(lǐng)域研究問(wèn)題的熱點(diǎn)。蔬菜在我國(guó)居民膳食結(jié)構(gòu)中具有重要的地位，其品質(zhì)安全狀況不僅關(guān)系到國(guó)民的營(yíng)養(yǎng)水平及身體健康，同樣影響到我國(guó)農(nóng)產(chǎn)品出口創(chuàng)匯以及在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力。隨著國(guó)民生活質(zhì)量的提高，人們對(duì)蔬菜品質(zhì)的要求也越來(lái)越高。消費(fèi)者對(duì)蔬菜的色、香、味、形、營(yíng)養(yǎng)等方面提出了更高的要求。同時(shí)由于我國(guó)近年來(lái)蔬菜質(zhì)量安全問(wèn)題頻發(fā)，導(dǎo)致公眾對(duì)蔬菜安全的不信任。傳統(tǒng)的蔬菜品質(zhì)安全檢測(cè)方法多采用精密檢測(cè)儀器，如高效液相色譜儀、氣質(zhì)聯(lián)用儀等，由于需要較復(fù)雜的樣品前處理過(guò)程，較長(zhǎng)的檢測(cè)時(shí)間，因此無(wú)法對(duì)蔬菜的生產(chǎn)、運(yùn)輸、銷售等環(huán)節(jié)的品質(zhì)與安全做出快速響應(yīng)。另外，傳統(tǒng)方法需要專業(yè)人員進(jìn)行操作，檢測(cè)過(guò)程多數(shù)需要對(duì)樣品進(jìn)行破壞，因此只能進(jìn)行抽樣檢測(cè)，造成了定程度的浪費(fèi)。新興的蔬菜品質(zhì)安全光學(xué)檢測(cè)技術(shù)，如機(jī)器視覺(jué)技術(shù)、近紅外光譜技術(shù)，高光譜技術(shù)以及拉曼光譜技術(shù)，可實(shí)現(xiàn)蔬菜的無(wú)損檢測(cè)，避免了常規(guī)檢測(cè)手段復(fù)雜的前處理過(guò)程，并且檢測(cè)速度快，可用于蔬菜生產(chǎn)加工過(guò)程的在線檢測(cè)。近幾年，通過(guò)機(jī)器視覺(jué)、光譜等光學(xué)檢測(cè)手段對(duì)果蔬進(jìn)行品質(zhì)安全無(wú)損檢測(cè)已成為研究的熱點(diǎn)。

2 蔬菜外部品質(zhì)檢測(cè)

在蔬菜的種植運(yùn)輸過(guò)程中，由于種種原因不可避免會(huì)產(chǎn)生一些外觀品質(zhì)損傷，表現(xiàn)為表面缺陷、著色較差、擦傷以及病害導(dǎo)致的病斑等。蔬菜在采后通過(guò)分級(jí)、清洗、上色、打蠟、包裝等步驟的處理，使其成為商品化程度高的產(chǎn)品。在蔬菜的優(yōu)選分級(jí)過(guò)程中，光學(xué)成像檢測(cè)技術(shù)能夠有效提高優(yōu)選效率，同時(shí)達(dá)到較高的準(zhǔn)確度，保障蔬菜產(chǎn)品的優(yōu)質(zhì)供給。近年來(lái)采用光學(xué)技術(shù)對(duì)蔬菜外部品質(zhì)進(jìn)行檢測(cè)的研究現(xiàn)狀?？梢灾?，蔬菜外部品質(zhì)檢測(cè)主要集中在大小形狀、顏色、重量等外形檢測(cè)，以及凍傷、擦傷、酶促褐變等表面損傷。[1]機(jī)器視覺(jué)技術(shù)在檢測(cè)蔬菜顏色、形狀、大小或者相對(duì)明顯的損傷等方面具有明顯的優(yōu)勢(shì)，但是對(duì)于凍傷、輕微損傷、酶促褐變等損傷卻難以辨別，采用高光譜或者多光譜技術(shù)則較為準(zhǔn)確。用于蔬菜品質(zhì)檢測(cè)的高光譜系統(tǒng)，當(dāng)不需要光譜檢測(cè)時(shí)，可將成像光譜儀去除，使相機(jī)和鏡頭相連，組成機(jī)器視覺(jué)系統(tǒng)。

3 基于機(jī)器視覺(jué)的蔬菜形態(tài)檢測(cè)

根據(jù)大小、形狀對(duì)蔬菜進(jìn)行分級(jí)分選，有利于提高蔬菜的商品價(jià)值，目前常用方法為人工挑選分級(jí)。機(jī)器視覺(jué)技術(shù)的大部分進(jìn)展都是在工業(yè)應(yīng)用中取得的。機(jī)器視覺(jué)技術(shù)具有快速、實(shí)時(shí)以及無(wú)損等優(yōu)點(diǎn)，可作為蔬菜在線檢測(cè)分級(jí)的重要手段。機(jī)器視覺(jué)技術(shù)首先通過(guò)圖像傳感器，如：電荷耦合器件 （Charge Coupled Device，CCD）、互補(bǔ)金屬氧化物半導(dǎo)體 （Complementary Metal Oxide Semiconductor Transistor，CMOS）等，采集蔬菜圖像，然后進(jìn)行圖像的預(yù)處理。[2]最后進(jìn)行特征參數(shù)提取。郝敏等采用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)了馬鈴薯薯形的檢測(cè)分類，研究將Zemike作為特征參數(shù)并利用支持向量機(jī)建模，對(duì)薯形良好和畸形的檢測(cè)正確率達(dá)93%和100%黃星奕等根據(jù)正常和畸形秀珍菇的形狀特征，[4]通過(guò)逐步回歸提取分形維數(shù)、相對(duì)位移、菌蓋偏心率以及菌柄彎曲度等4個(gè)特征變量，采用支持向量機(jī)模式識(shí)別方法建立畸形秀珍菇判別模型，識(shí)別率高達(dá)96.67%。[3]可見(jiàn)，采用機(jī)器視覺(jué)技術(shù)對(duì)蔬菜的形態(tài)檢測(cè)具有較高的準(zhǔn)確度。

Lino等采用機(jī)器視覺(jué)采集番茄的顏色以進(jìn)行成熟度的判斷，在番茄的RGB圖像，以及紅、綠、藍(lán)和亮度特征的處理過(guò)程，在番茄成熟過(guò)程中，亮度、藍(lán)以及綠增強(qiáng)達(dá)到最高值后，開(kāi)始降低，相反紅色值開(kāi)始開(kāi)高。在番茄成熟過(guò)程中，其各個(gè)顏色范圍不斷發(fā)生變化，紅色范圍越來(lái)越大，綠色范圍越來(lái)越小，說(shuō)明葉綠素逐漸降低，番茄紅素逐漸升高。[5]通過(guò)該方法可以有效辨識(shí)番茄的成熟階段。

機(jī)器視覺(jué)技術(shù)對(duì)蔬菜的外部品質(zhì)鑒定具有較好的實(shí)際效果，能夠快速無(wú)損地對(duì)蔬菜的大小、是否畸形等做出鑒別，為蔬菜在線快速分級(jí)做出依據(jù)，隨著消費(fèi)者對(duì)果蔬的外觀品質(zhì)要求越來(lái)越嚴(yán)格，機(jī)器視覺(jué)應(yīng)用于蔬菜的外部品質(zhì)檢測(cè)具有重要的實(shí)際價(jià)值。

4 蔬菜的缺陷識(shí)別

蔬菜缺陷包括機(jī)器損傷、病害、凍傷、腐爛等。對(duì)蔬菜缺陷進(jìn)行檢測(cè)有利于提高蔬菜的附加值，降低儲(chǔ)藏成本以及避免病蟲(chóng)害損失。傳統(tǒng)人工辨別方法，速度慢且正確率低，采用光學(xué)技術(shù)可以有效縮短檢測(cè)時(shí)間，提高檢測(cè)正確率，相比蔬菜的大小、形狀、顏色等形態(tài)檢測(cè)，這類檢測(cè)由于缺陷區(qū)域的顏色、紋理等信息和正常區(qū)域處的高度相似，僅基于機(jī)器視覺(jué)效果較差，因此缺陷檢測(cè)多采用高光諧/多光譜反射、透射以及熒光等技術(shù)。

5 高光譜圖像處理與分析

高光譜圖像是一個(gè)具有“圖譜合一”特點(diǎn)的三維數(shù)據(jù)立方體，因此高光譜圖像的處理和分析既可以在指定波長(zhǎng)情況下在空間域進(jìn)行圖像處理和分析，又可以在指定像素坐標(biāo)位置情況下在光譜域進(jìn)行光譜處理和分析，也可以同時(shí)在空間域和光譜域進(jìn)行處理和分析。一般來(lái)講，高光譜圖像處理流程包括高光譜圖像數(shù)據(jù)獲取與校正層、高光譜圖像處理與分析層和應(yīng)用層三個(gè)層面。[5]其中高光譜圖像數(shù)據(jù)獲取與校正層包括樣品高光譜圖像和參考圖像的獲取、高光譜圖像校正；高光譜圖像處理與分析層包括光譜處理與分析和圖像處理與分析。

6 總結(jié)

隨著人們生活水平的不斷提高，蔬菜的品質(zhì)和安全性得到了全社會(huì)持續(xù)不斷的高度關(guān)注。傳統(tǒng)化學(xué)方法是一種費(fèi)時(shí)費(fèi)力的破壞性檢測(cè)方法，不利于品質(zhì)和安全性的快速無(wú)損檢測(cè)。高光譜成像技術(shù)于20世紀(jì)90年代后期才開(kāi)始被應(yīng)用于農(nóng)產(chǎn)品品質(zhì)的無(wú)損檢測(cè)中，由于其科學(xué)有效的檢測(cè)性能，近年來(lái)在食品行業(yè)得到了快速的發(fā)展。大量的成功應(yīng)用案例已經(jīng)證明了高光譜成像技術(shù)是果蔬外部品質(zhì)、內(nèi)部品質(zhì)和品質(zhì)安全檢測(cè)的科學(xué)有效工具。高光譜成像技術(shù)還面臨著以下幾個(gè)挑戰(zhàn)。首先是高光譜相機(jī)較為昂貴，增加了商業(yè)化在線檢測(cè)與分選生產(chǎn)線的研發(fā)成本；其次是高光譜圖像數(shù)據(jù)獲取時(shí)間和分析處理時(shí)間較長(zhǎng)，不利于高光譜成像系統(tǒng)的在線或?qū)崟r(shí)檢測(cè)果蔬的品質(zhì)和安全；第三是高光譜圖像存在較大的數(shù)據(jù)冗余，常常需要針對(duì)特定的應(yīng)用挑選特征波長(zhǎng)。盡管如此，隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展，高光譜成像技術(shù)作為一種科學(xué)有效的無(wú)損檢測(cè)工具將在食品和農(nóng)產(chǎn)品質(zhì)量與安全檢測(cè)方面發(fā)揮更大的作用。

參考文獻(xiàn)：

[1] 彭彥昆.農(nóng)畜產(chǎn)品品質(zhì)安全光學(xué)無(wú)損快速檢測(cè)技術(shù)[M].北京：科學(xué)出版社，2016（2）.

[2]霍恩. 機(jī)器視覺(jué)[M].王亮，蔣欣蘭，譯.北京：中國(guó)青年出版社，2014：

[3]郝敏，麻碩士，郝小冬.基于Zernike 矩的馬鈴薯薯形檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）.

[4]黃星奕，姜爽，陳全勝，等.基于機(jī)器視覺(jué)技術(shù)的畸形秀珍菇識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（10）.

[5] 黃濤，李小雨，徐夢(mèng)玲，等.高光譜成像技術(shù)與支持向量機(jī)的無(wú)損檢測(cè)研究[J].光譜學(xué)與光譜分析，2015（1）：198-202.

【通聯(lián)編輯：唐一東】